基于UNA分析的陈大滘既有城市工业区空间与设施改造策略研究

在产业结构升级与转型的大背景下,许多既有城市工业区普遍存在空间利用混乱、设施配套不足等问题。运用城市网络分析法,选取Reach、Straightness、冗余指标、寻找客流量与客流中间性五种量化指标,对顺德陈大滘既有城市工业区进行综合研究,分析存在的问题。从配套设施、慢行系统、公共空间三个方面,提出优化选址及调整规模的配套设施改造策略;整体保留与局部修补相结合,构建立体慢行网络系统,协同提升慢行网络密度与设施数量的慢行系统改造策略;构建自然与人工结合的生态步行廊道,结合路权改造与设施完善优化沿街空间,塑造多层级特色生态景观节点的公共空间改造策略。     

基于CFD风环境模拟的既有工业区改造与优化设计策略 ——以佛山顺德陈大滘工业区为例

建筑风环境是重要的绿色考量要素,自然通风能够改善建筑室内外的空气质量,提高环境舒适度以及降低建筑能耗.运用CFD软件模拟的方法,对佛山顺德陈大滘既有工业区的室外风环境进行定量模拟研究,分析存在的问题,针对既有工业区及其建筑的特征,探索风环境视角下的改造优化设计途径.从总体布局、建筑单体、场地环境三个方面提出既有工业区改...     

基于GIS技术的天水市体育场地空间分布及优化策略研究

本研究以天水市为典型调查区域,运用城市地理学、体育学、时间地理学等理论,利用GIS空间分析分析功能,从天水市体育场地基本情况、空间位置布局、体育场地缓冲范围、空间分布的合理性等方面分析了天水市体育场地空间分布特征,提出针对天水市城市体育空间结构的优化策略。     

基于多元数据分析的寒地夜市空间优化策略研究 ——以哈尔滨地区为例

夜市作为一种非正式的商业空间,其分布除受社会、经济等因素影响外,更与城市结构及人们的行为规律息息相关.以哈尔滨地区为例,应用空间句法中的线段分析对夜市空间展开研究,收集整合度、选择度、步数深度及节点数目等句法数据,通过与交通流量的相关性分析,量化夜市空间的分布规律.基于哈尔滨地区30个典型夜市空间实地调研,应用多元回归...     

基于展品—空间关系的博物馆设计策略研究——以柏林新博物馆为例

柏林新博物馆（Neues Museum zu Berlin）中展品—空间关系的发展与处理策略极具代表性,但以往研究仅在建筑实体修复方面进行展开。该研究对其展品—空间关系类型、各类型典型展厅存在的问题沿革和应对策略进行了解析,试图填补对新博物馆展品—空间关系发展的认知空白,并从这个经典个案出发,探索可以借鉴和推广的分析与设计方法。研究表明,新博物馆中存在三种典型的展品—空间关系,契合不同的展陈任务且应用了不同的空间展陈设计手法予以平衡。新博物馆的展品—空间关系发展历久弥新,是同类建筑中同类问题发展的一个缩影,对我国博物馆的设计与改造具有深远的借鉴价值。     

基于GIS的浙南镇村空间分析与优化研究

“温州模式”是一种特殊的经济发展方式．其所塑造的镇村空间也具有相应的特征。本文以温州模式的发源地柳市镇为例．研究了在“温州模式”经济发展背景下浙南旧镇村土地使用、空间发展演化的典型特征与问题：筛选出若干影响用地与空间演化的作用因子．用“层次分析法”来确定因子权重．一定程度摆脱了定性分析阶段的盲目性,并结合GIS空间分析进行多因子叠加,得出空间综合质量评价图,在此基础之上提出旧镇村空间改造的优化策略。     

基于POI数据的特大城市生态空间廊道 识别与空间布局优化研究——以沈阳市 中心城区为例

生态空间廊道作为城市生态空间生态信息、能量流 动的重要通道，是城市可持续发展的基础所在。以沈阳市中 心城区作为研究对象，利用POI数据识别出中心城区“三生空 间”中的生态(混合)空间，在比较不同类型POI要素对生物信 息流动产生阻力的基础上利用最小累计模型和重力模型识别生 态空间廊道。结果表明，沈阳市中心城区可形成城市级、城市 副级和区级共50条连接各生态斑块的生态空间廊道，且城市 生态空间廊道具有环状、水平网络连接复杂、可连通大部分生 态斑块等特征，但建设成本较高。最后根据各级生态空间廊道 的规模、构成基础以及生态作用等提出了生态廊道网络优化和 延伸生态空间供给等空间布局优化策略。     

基于GIS的浙南镇村空间分析与优化研究——以浙江温州柳市镇改造为例

＂温州模式＂是一种特殊的经济发展方式,所塑造的镇村空间也具有相应的特征。该文以温州模式的发源地柳市镇为例,研究了在＂温州模式＂经济发展背景下浙南旧镇村土地使用、空间发展演化的典型特征与问题;筛选出若干影响用地与空间演化的作用因子,用＂层次分析法＂（Analytic Hierarchy Process）来确定因子权重,一定程度摆脱了定性分析阶段的盲目性,并结合GIS空间分析进行多因子叠加,得出空间综合质量评价图;在此基础之上提出旧镇村空间改造的优化策略。